書接上文，切割后的文件轉換特征為MFCC（細節不表了，網搜的代碼）。聲音的特征和識別最好的組合絕對不是MFCC+SVM（后面我會講為什么），我只是怎么怎么方便怎么來，看到這的準備做聲音識別的同學請果斷變道。

有了特征值就可以作為訓練素材了，Emgucv版本更新快，不同版本的分類器參數設置方式不一樣，這可以參見我以前的類似博客。

以下將走過的坑分享一下：

1.不定長聲音的MFCC也不定長（廢話），解決不定長，我用了人工指定的方式，即指定MFCC特征的個數，多的丟，少的補零。僅個人實踐表明，特征越多分類效果越好，所以，多補零吧。

string[] MFCCa = MFCCs.Split(',');for (int j = 0; j < chanum; j++){if (j > MFCCa.Length - 2)//存的時候多了個“，”，所以回退一位{trainDate[i, j] = 0;}else{trainDate[i, j] = Convert.ToSingle(MFCCa[j]);}trainLab[i, 0] = 1;}

2.Emgucv3.×以上的訓練結果文件（.XML）的讀存請自行修改下，直接save和load似乎不行。半公開的秘密，代碼如下：

private static void saveSVMtoFile(SVM model,String path){if (File.Exists(path))File.Delete(path);FileStorage fs = new FileStorage(path, FileStorage.Mode.Write);model.Write(fs);fs.ReleaseAndGetString();}private static SVM loadSVMtoFile(String path){SVM svm = new SVM();FileStorage fs = new FileStorage(path, FileStorage.Mode.Read);svm.Read(fs.GetRoot());fs.ReleaseAndGetString();return svm;}

3.Emgucv的SVM和BP之間細微的差別

本以為只是改改訓練器，幾行代碼的事情，但報了一堆錯，全是小細節。

3.1 SVM的分類標簽可以是int或者float，但BP一定一定要是float

Matrix<float> trainDate = new Matrix<float>(allnum, chanum);Matrix<int> trainLab = new Matrix<int>(allnum,1); Matrix<float> trainData = new Matrix<float>(allnum, chanum);Matrix<float> trainClasses = new Matrix<float>(allnum, 1);

3.2 SVM可以直接給出預測結果（即標簽），BP給出的不知道是什么（大概是到你定的標簽范圍內的落點，我定了1和-1，但有時候超出了1和-1，所以很奇怪，有真懂的同學留言教我一下），還要自己判斷一下。

Matrix<float> preDate = new Matrix<float>(1, chaNum);getPerDate(preDate, OutfileName[j], chaNum);float kinds=svm.Predict(preDate); Matrix<float> preDate = new Matrix<float>(1, chaNum);Matrix<float> prediction = new Matrix<float>(1, 1);getPerDate(preDate, OutfileName[j], chaNum);network.Predict(preDate, prediction);float kinds = prediction.Data[0, 0];

3.3 SVM（線性核函數）+MFCC我做出來50%上下，幾乎沒什么意義。BP效果不錯，起碼70以上，一般水準在80%上下。

悲傷的補一句，樣本數量還可以且分類數量很小的情況下，最短路徑的效果其實很好。

新開博客，目的為學習交流，本人QQ：273651820。

總結

以上是生活随笔為你收集整理的C#基于NAudio的声音识别（二）——MFCC+SVM/BP的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。